飞书没走 AI Coding 路线，它做好了另一种 AI 应用模式

想搭一个 AI 应用，就一定要走 Coding 这条路吗？

👉 这套 AI 应用长什么样

先说整体架构，这这套系统之所以能零代码实现，是因为它把复杂的软件架构，简化成了飞书里的 4 个模块：

1）入口层（飞书消息）：像聊天一样下达指令：

不用开发专门的对话式 AI。

通过自动生成的飞书机器人（系统自带），我可以直接给它发语音、文字、链接。是整个系统的"耳朵"，负责接收一切杂乱的信息。

2）大脑层（AI 工作流）：承担整个系统的处理逻辑。

这是核心。我配置了一个 AI 工作流。

它能在收到消息后，进行意图识别：是待办？是笔记？还是文章？然后自动拆解任务，分发给下游。

也可以配置 Agent 节点，去调用 MCP 工具，按 Prompt 生成数据，也能读写多维表格、触发消息通知等。

3）记忆层（多维表格）：最省心的"数据库"

这里有搭建 AI 应用过程中，最出色的设计。

多维表格 = AI 应用的数据库。

过去写代码，你得自己搭建 MySQL、设计字段。现在，你只需要建一张表格。

用户既可以新建多维表格；也可以在已有业务表的基础上，改造 AI 工作流与应用界面。

并且 AI 工作流能跨多张多维表格进行操作。

在本文 Case 中，待办、笔记、稍后读，分属于不同表，通过 AI 分类节点，自动判断用户输入的入库位置

4）交互层（应用模式）：把表格变成 App

面对普通用户、公司业务来说，这是本次更新的重头戏。

多维表格应用模式------能够用来零门槛搭建业务应用。

有了数据后，我们不用再对着枯燥的表格看数据了。开启"应用模式"，表格瞬间变身成一个可视化的 SaaS 界面（即开头的效率工作台）。

支持组件拖拉拽、缩放，自定义系统皮肤等配置（BTW：对于企业用户来说，能节省很多软件开发项目）

整个 AI 应用模式的链条，都在飞书内部闭环：

不需要 API 对接、不需要认证，不用开发。

对于个人知识工作者、企业来说，表格即应用。

在对口的需求场景中（个人知识管理、企业 CRM 系统等），比起 AI Coding，是方便维护太多了。

📍 开始搭建

应用模式的价值，是把零散的数据表变成一个完整的业务系统。这套个人效率系统，总共做了 4 项能力：

前置环节： 接收用户输入，对意图进行分类
稍后读： 链接内容访问与 AI 信息提取
个人待办： 拆分任务信息、日期
笔记： 总结标题，入库笔记内容

而在搭建过程中，首先就要解决消息接收与任务划分的问题：

1️⃣ 统一对话入口，智能分类用户意图

需要在一个飞书多维表格中，创建一个工作流。

所有内容都要通过统一的对话入口，所以增加一个机器人，用于接发信息：

1）选择「接受到飞书消息时」节点：

个人使用时，配置消息的接收方式选择为「单聊」，选择聊天的用户为自己即可。
如果是团队使用，则消息的接收方式选择「群组」，选择对应接发消息的聊天群（群里一定要把机器人拉进去）。

接受消息的机器人是自动创建的，无需额外配置。

通过在飞书聊天里，搜索当前多维数据表的名称（因为是自动同名的），就可以找到。

然后回到工作流配置，添加「AI 分类」节点，利用 AI 对发送的消息进行意图识别，判断消息的类型。

设置如下：

引用「接收到飞书消息时-消息内容」
在分类规则中，先添加 3 个分类类型：稍后读文章、待办事项、笔记，并填写详细描述，帮助 AI 进行准确分类。

可以适当参考我的提示进行优化调整：

复制代码

稍后读文章：消息内容意图是将文章（通常是网页链接）收藏起来，以便在稍后有空闲时间时进行深度阅读、学习或浏览。
待办事项：消息内容意图是需要完成的任务
笔记：消息内容意图是记录的笔记。

附：也可以让 Agent 自动搭建工作流

除了跟着教程一步步搭建外，也可以「通过 AI 创建」工作流。自动创建的效率不错，能够准确配置符合需求的节点，并完成参数与提示词配置。

基本可以代理完成 70% 的配置量，部分细节当然最好人工再配置细化下。

这就是我「通过 AI 创建」的过程：

2️⃣ 分别配置 AI 子流程

整个工作流中，涉及到三个不同的 AI 流程：稍后读、待办、笔记。

这里，以我"稍后读文章"的收集为例，进行详细说明，方便你理解如何在工作流中，配置 Agent 节点。

1）配置稍后读要保存的信息

在这份飞书多维表格，根据稍后读的管理需要，表的字段如下：

标题	文本格式，显示文章的名称
摘要	根据具体内容，总结核心主旨
作者	作者名称
平台	所在的网站平台名称
发布日期	文章的发布日期
是否阅读	阅读状态，收藏的默认态为"待读"
链接	超链接格式，显示链接，可点击跳转具体的页面

当然，除了这些基础字段，你也可以自行增加更多定制化的字段。

比如，推荐评分（结合个人画像、文章信息对重要性进行打分）、阅读时长（根据文章字数、信息复杂度预测阅读时长）。

2）获取消息中的内容

接下来，回到刚才的工作流中，搭建通过 AI 获取 URL 中关键信息的流程。

具体的操作步骤是这样的，

在「稍后读文章」的分支中，创建 AI Agent 节点，并且在工具选择「读取 URL 链接内容」

Prompt ：让 AI 明确需要从链接中提取哪些信息以及一些注意事项，可直接输入下面的提示词，其中{{ }}内容需要单独引用

js 复制代码

请阅读并解析{{引用「接收到飞书消息时-消息内容」}}中的 URL 网页内容，按以下格式提取关键信息，每项信息单独一行： 
标题：[网页标题] 
作者：[作者名称] 
平台：[网站/平台名称] 
发布日期：[yyyy-mm-dd] 
摘要：[概括核心内容] 链接：[消息中的链接] 

要求：
1. 严禁添加任何额外说明、分析或格式标记 
2. 仅输出上述5行内容，不要省略或合并任何一行 
3. 每条信息必须真实准确，无法确定时一律标注"未知"